Pandas是Python中最受欢迎的数据分析和处理库之一,提供了许多强大且灵活的数据操作工具。在Pandas中,DataFrame.rolling方法是一个强大的工具,用于执行滚动窗口计算,能够对数据进行平滑处理、计算移动平均值和其他滚动统计量等操作。在本文中,我们将深入探讨DataFrame.rolling方法的各种参数和示例,以帮助您更好地理解和应用这个功能。
DataFrame.rolling方法的参数说明
window参数
window
参数用于指定滚动窗口的大小,可以是整数、时间间隔、字符串、偏移量或BaseIndexer子类。具体如下:
- 整数:固定窗口大小的观测数量。
- 时间间隔、字符串、偏移量:每个窗口的时间周期,仅适用于日期时间型索引。
- BaseIndexer子类:基于定义的
get_window_bounds
方法的窗口边界。
min_periods参数
min_periods
参数指定窗口中所需的最小观测数量,用于计算结果值。默认为None。
center参数
center
参数用于设置窗口标签的位置。默认为False。
- False:将窗口标签设置为窗口索引的右边缘。
- True:将窗口标签设置为窗口索引的中心。
win_type参数
win_type
参数用于指定窗口类型,默认为None。
- None:所有点均匀加权。
- 字符串:必须是有效的scipy.signal窗口函数。
on参数
on
参数用于DataFrame,指定在哪个列标签或索引级别上计算滚动窗口,而不是使用DataFrame的索引。
axis参数
axis
参数指定滚动操作的轴向,默认为0。
- 0或'index':沿行进行滚动。
- 1或'columns':沿列进行滚动。
closed参数
closed
参数指定窗口的闭合方式,默认为None('right')。
- 'right':排除窗口中的第一个点。
- 'left':排除窗口中的最后一个点。
- 'both':不包括窗口中的任何点。
- 'neither':排除窗口中的第一个和最后一个点。
step参数
step
参数用于在每个步骤处计算窗口结果,相当于切片操作[::step]。在1.5.0版中新增。
method参数
method
参数用于指定单列或行('single')或整个对象('table')的滚动操作。在1.3.0版中新增。
返回值
DataFrame.rolling
方法返回一个pandas.api.typing.Window
或pandas.api.typing.Rolling
的实例。
示例
以下是一些DataFrame.rolling
方法的使用示例:
- 使用不同窗口大小进行滚动求和。
- 在时间序列数据上使用时间间隔进行滚动计算。
- 使用不同参数进行滚动操作。
- 在日期列上进行滚动计算。
python
# 示例代码
import pandas as pd
import numpy as np
# 创建示例数据
df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})
# 滚动求和示例
result = df.rolling(2).sum()
print(result)
r
df.rolling(2).sum()
B
0 NaN
1 1.0
2 3.0
3 NaN
4 NaN
- 相当于包括自己往前两个为一个窗口,进行sum(),对于第一个因为前面为0所以为Nan,对于第二个数 = 0 + 1 = 1 ,同理第三个数 = 1 + 2 = 3.
在时间序列上的应用
介绍:基于时间窗口的滚动求和
在数据处理中,经常需要对时间序列数据执行滚动窗口计算以获取更深层次的见解。Pandas库中的DataFrame.rolling
方法为我们提供了一种便捷的方式来进行此类操作。特别是,在时间序列数据中,通过指定时间间隔来计算滚动统计量可以洞察数据的趋势和模式。
让我们以一个具体的示例来说明:我们有一个包含时间戳索引的DataFrame df_time
,其中的列B
包含了一些数值数据。我们希望对这个数据执行滚动求和,并且窗口的宽度是2秒。
py
import pandas as pd
import numpy as np
# 创建示例数据
df_time = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]},
index=[pd.Timestamp('20130101 09:00:00'),
pd.Timestamp('20130101 09:00:02'),
pd.Timestamp('20130101 09:00:03'),
pd.Timestamp('20130101 09:00:05'),
pd.Timestamp('20130101 09:00:06')])
print(df_time)
df_time
B
2013-01-01 09:00:00 0.0
2013-01-01 09:00:02 1.0
2013-01-01 09:00:03 2.0
2013-01-01 09:00:05 NaN
2013-01-01 09:00:06 4.0
py
result = df_time.rolling('2s').sum()
print(result)
B
2013-01-01 09:00:00 0.0
2013-01-01 09:00:02 1.0
2013-01-01 09:00:03 3.0
2013-01-01 09:00:05 NaN
2013-01-01 09:00:06 4.0
再来一个时间序列查看异常值的例子
py
# pick a window size
window_size = 25
![image.png](https://p1-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/5f50add371c3406aa9b246dd6e76579e~tplv-k3u1fbpfcp-jj-mark:0:0:0:0:q75.image#?w=1278&h=615&s=112122&e=png&b=f0f0f0)
# calculate rolling mean and standard deviation
xroll = series['value'].rolling(window_size)
series['mean_roll'] = xroll.mean()
series['sd_roll'] = xroll.std()
# calculate the Z-score
series['zscore'] = np.abs( (series['value'] - series['mean_roll']) / series['sd_roll'])
series['zscore'].plot()
py
series.loc[series['zscore'] > 3][['timestamp', 'value']]
以上是DataFrame.rolling
方法的参数说明和示例,该方法提供了强大的滚动窗口计算功能,可在时间序列和数据处理中发挥重要作用。